一.ipynb

import pandas as pd  #导入pandas包

data = pd.read_csv(r'E:\PythonStudy\data.csv')  # 读取文件，路径可以是绝对路径/相对路径

data  # 显示data数据，展示前5行与后5行

!pip install openpyxl  # pandas读取excel需要安装openpyxl库，去anaconda prompt中安装

import pandas as pd

data = pd.read_excel(r'E:\PythonStudy\data.xlsx')  

data  

type(data)  # 查看data类型

data.head()  # 查看数据，默认前五行

data.info()  # 列名、非空值、数据类型

data.shape        # (行数, 列数) data的属性

data.columns      # 所有列名 data的属性

type(data.columns) # 查看所有列名的类型

data.describe()   # 数值列的基本统计量

# dtype是data type的缩写，用于描述数据类型。后续会频繁借助这个方法来查看某一列数据的属性

data.dtypes       # 各列数据类型

data["Annual Income"].dtype # 查看某一列的数据类型

type(data['Annual Income'])

# dataframe里单独的一列是series

data.isnull()            # 布尔矩阵显示缺失值，这个方法返回一个布尔矩阵，也是dataframe对象，其中True表示是缺失值，False表示不是缺失值。

type(data.isnull())         # 查看缺失值布尔矩阵的类型

data.isnull().sum()      # 每列缺失值计数,sum方法为求每一列的和。有数的即为有缺失值的列

mode = data['Annual Income'].mode()

# mode() 会返回数据中出现频率最高的所有值，如果频次相同，会返回最多每个值。

mode

# 这里返回了4个最多频次的值，我们一般保留第一个

mode = mode[0]

# 众数填补

data['Annual Income'].fillna(mode, inplace=True)

# 检查下是否有缺失值

data['Annual Income'].isnull().sum()

mean_value = data['Annual Income'].mean()

data['Annual Income'].fillna(mean_value, inplace=True)

data.isnull().sum()

median_income = data['Annual Income'].median()

data['Annual Income'].fillna(median_income, inplace=True)

data['Annual Income'].isnull().sum()

c = data.columns.tolist()

type(c)

c

for i in c:

    if data[i].dtype != 'object':

        if data[i].isnull().sum() > 0:

            mean_value = data[i].mean()

            data[i].fillna(mean_value, inplace=True)

data.isnull().sum()

for i in c:

    if data[i].dtype != 'object':

        if data[i].isnull().sum() > 0:

            mode = data[i].mode()

            data[i].fillna(mode, inplace=True)

data.isnull().sum()

for i in c:

    if data[i].dtype != 'object':

        if data[i].isnull().sum() > 0:

            median = data[i].median()

            data[i].fillna(median, inplace=True)

data.isnull().sum()

二.py文件（见图片）

@浙大疏锦行